爬虫(八)：文件处理，

爬虫(八)：文件处理，

1. json文件处理

1.1 什么是json

JSON(JavaScript Object Notation，JS对象简谱)是一种轻量级的数据交换格式。它基于ECMAScript(欧洲计算机协会制定的js规范)的一个子集，采用完全独立于编程语言的文本格式来存储和表示数据。简洁和清晰的层次结构使得JSON成为理想的数据交换语言。 易于人阅读和编写，同时也易于机器解析和生成，并有效地提升网络传输效率。

1.2 json支持数据格式

1.对象（字典）。使用花括号。

2.数组（列表）。使用方括号。

3.整型、浮点型、布尔类型和null类型。

4.字符串类型（字符串必须要用双引号，不能用单引号）。

多个数据之间使用逗号分开。

注意：json本质上就是一个字符串。

1.3 字典和列表转json

import json

books = [
    {
        "title":"坏蛋是怎样炼成的1","price":9.8
    },
    {
        "title":"坏蛋是怎样炼成的2","price":9.9
    }
 ]

json_str = json.dumps(books,ensure_ascii=False)
print(json_str)
print(type(books))
print(type(json_str))

因为json在dump的时候，只能触发ascii的字符，因此会将中文进行转义，这时候我们可以使用ensure_ascii=False关闭这个特性。

在python中，只有基本数据类型才能转换成json格式的字符串。即：int、float、str、list、dict、tuple。

将json数据直接dump到文件中：

json模块中处理dumps函数，还有一个dump函数，这个函数可以传入一个文件指针，直接将字符串dump到文件中。

import json

books = [
    {
        "title":"坏蛋是怎样炼成的1","price":9.8
    },
    {
        "title":"坏蛋是怎样炼成的2","price":9.9
    }
 ]

with open('a.json','w',encoding='utf-8') as fp:
    json.dump(books,fp,ensure_ascii=False)

dump和dumps的区别：

dump()不需要使用write()方法，只需要写哪个字典、哪个文件即可；而.dumps()需要使用write()方法写入

如果要把字典写到文件里面的时候，dump()好用；但如果不需要操作文件，或需要把内容存到数据库和Excel，则需要使用dumps()先把字典转成字符串，再写入。

1.4 将一个json字符串load成python对象

#encoding: utf-8
import json

json_str = '[{"title": "坏蛋是怎样炼成的1", "price": 9.8}, {"title": "坏蛋是怎样炼成的2", "price": 9.9}]'

books = json.loads(json_str)
print(type(books))
for book in books:
    print(book)

直接从文件中读取json：

#encoding: utf-8
import json

with open('a.json','r',encoding='utf-8') as fp:
   books = json.load(fp)
   for book in books:
       print(book)

load与loads的区别：

loads()传的是字符串，而load()传的是文件对象

使用loads()时需要先读文件再使用，而load()则不用

2. CSV文件处理

CSV是一种通用的、相对简单的文件格式，被用户、商业和科学广泛应用。最广泛的应用是在程序之间转移表格数据，而这些程序本身是在不兼容的格式上进行操作的（往往是私有的和/或无规范的格式）。因为大量程序都支持某种CSV变体，至少是作为一种可选择的输入/输出格式。

2.1 读取csv文件

csv数据：

csv文件不能直接创建，只能由excel文件另存为csv格式。

import csv

with open('Demo.csv','r') as fp:
    reader = csv.reader(fp)
    titles = next(reader)
    for x in reader:
        print(x)

 

为什么读取不到第一行呢？

因为第一行一般都是存放标题等信息。 

这样操作，以后获取数据的时候，就要通过上面的方法来获取数据。 如果想要在获取数据的时候通过标题来获取，那么可以用DictReader。

import csv

with open('Demo.csv','r') as fp:
    reader = csv.DictReader(fp)
    for x in reader:
        print(x)

 

我们可以通过标题来选中返回的数据：

import csv

with open('Demo.csv','r') as fp:
    reader = csv.DictReader(fp)
    for x in reader:
        print(x['数据1'])

 

2.2 写入数据到csv文件

写入数据到csv文件，需要插件一个writer对象，主要用到两个方法。一个是writerow，这个是写入一行。一个是writerows，这个是写入多行。

import csv

headers = {'name','age','height'}
values = {
    ('张三',18,170),
    ('李四',20,175),
    ('王五',21,180)
}
with open('test.csv','w',encoding='utf-8') as fp:
    writer = csv.writer(fp)
    writer.writerow(headers)
    writer.writerows(values)

也可以使用字典的方式把数据写入。这时候就需要使用DictWriter了。

import csv

headers = ['name','age','height']
values = [
    {'name':'张三','age':18,'height':170},
    {'name':'李四','age':20,'height':175},
    {'name':'王五','age':21,'height':180}
]
with open('test.csv','w',encoding='utf-8') as fp:
    writer = csv.DictWriter(fp,headers)
    writer.writeheader()
    writer.writerows(values)